易语言取域名怎么做，易语言取域名有哪些方法

易语言取域名这件事，本质上就是把一条完整的网址拆开，去掉“http://”或“https://”协议头，再切掉路径、参数和锚点，只留下站点主机名那一段。大多数场景下，用正则表达式或者“取文本左边”配合“寻找文本”就能干净利落地拿结果，先搞懂原理，再封装成函数，之后写采集程序、做页面跳转白名单都省事。

易语言取域名怎么写？先分清三种场景

易语言里处理域名，没有统一的“系统命令”能一键搞定，因为网址格式千变万化，有的带协议头，有的不带；有的带端口，有的带路径；浏览器里的当前网址和网页源码里的链接，又是两种完全不同的获取途径，多数易语言初学者遇到的第一个困惑就是：手里什么都没有,到底从哪拿域名？

从网址字符串里提取域名，最基础的写法

写采集程序时，经常拿到类似 https://www.baidu.com/s?wd=关键词 这样的完整URL,新手最容易上手的办法是分割文本：

.版本 2
.子程序 分割取域名, 文本型
.参数 网址, 文本型
.局部变量 数组, 文本型, , "0"
数组 = 分割文本(网址, "/", )
返回 (数组[3])

易语言的数组下标从1开始，按 分割后，https://www.baidu.com/s 会被拆成 https:、空文本、www.baidu.com、s 四段，第三段就是域名，注意第二段是个空文本，因为 中间没有内容，这种方式简单直接，但缺点很突出：如果网址不带 https:// 前缀，比如直接给 www.baidu.com/s?wd=1，分割后的第二段才是域名,数组下标就错了。

更稳妥的做法是先把协议头删掉，再取第一个 左边的文本，逻辑上先处理协议，再处理路径和参数，这样对带不带协议头的网址都有效,也是目前易语言社区里比较通用的写法。

从超文本浏览框和IE控件里拿当前域名

做浏览器工具（比如网址导航、防沉迷插件、内嵌网页工具）时，要取用户当前正在浏览的域名，易语言的超文本浏览框控件有个“地址”属性，完整URL一般存放在 超文本浏览框1.地址 中，跳转完成后直接读取就行，注意如果页面还没加载出来，这个属性可能为空，最好在“跳转完成”事件里再取值。

如果控制的是系统IE浏览器窗口，用的是“InternetExplorer”对象，读取它的 LocationURL 属性就能得到当前地址，整个流程是：创建IE对象 → 枚举窗口找到目标 → 读取LocationURL → 调用自定义“取域名”函数处理，这一步在日常写网页数据抓取时很常用，因为浏览器里访问的地址,往往才是用户真实想看的地址。

把代码封装成“取域名”子程序，一劳永逸

不管从哪种途径拿到URL，最终都要走一遍“去协议、去路径、去参数”的清洗流程，我习惯封装成独立子程序,方便后续反复调用：

.版本 2
.子程序 取域名, 文本型
.参数 网址, 文本型
.局部变量 临时文本, 文本型
.局部变量 位置, 整数型
临时文本 ＝ 子文本替换(网址, “http://”, “”, , , 真)
临时文本 ＝ 子文本替换(临时文本, “https://”, “”, , , 真)
位置 ＝ 寻找文本(临时文本, “/”, , 假)
如果真 (位置 ≠ -1)
    临时文本 ＝ 取文本左边(临时文本, 位置 － 1)
位置 ＝ 寻找文本(临时文本, “?”, , 假)
如果真 (位置 ≠ -1)
    临时文本 ＝ 取文本左边(临时文本, 位置 － 1)
返回 (临时文本)

这一步的细节是处理参数紧跟在域名后面的情况，www.baidu.com?wd=1 这种没有路径但有参数的URL，上面的代码先找 ，再找 ，两手都照顾到了，如果网址里还带端口，www.example.com:8080，返回的结果里会包含 8080，这是后话,处理方式下面说。

易语言提取网址域名的正则写法与控制边界

字符串函数虽然直观，但遇到格式乱七八糟的URL时，正则表达式更省心。正则的匹配规则直接决定了边界在哪里，一个写好的正则可以把协议头、路径、端口一次性排除掉,不用写好几行判断。

三行正则，匹配不同格式的网址

易语言里用自带的“正则表达式类”就能实现,核心表达式：

https?://([^/:]+)

匹配逻辑是：先匹配 http:// 或 https://，然后取后面一直到冒号或斜杠之前的字符。[^/:] 表示“不包含冒号和斜杠的任意字符”， 表示一个以上，这样匹配的结果，天然跳过了端口和路径，在易语言里通过“取子匹配文本”命令取出第一个括号里的内容即可。

对于不强制要求带协议的网址，可以用 ([a-zA-Z0-9.-]+.[a-zA-Z]{2,}) 这个正则，它匹配类似 example.com 或 www.example.com.cn 的主机名结构，不过这种方式会把网址里所有类似域名的片段都抓出来，比如文章正文里的 abc.com 也会被匹配到，用的时候需要额外判断上下文，行业共识认为，正则处理这类提取任务是最省心的，但前提是你能把边界情况想明白正则越宽松,误报越多。

四种边界情况：端口、www、IP地址、不带协议

做域名提取时,很多人栽在四个细节上：

• 带端口号的域名：www.example.com:8080，用基础正则时端口会被当成域名的一部分，正确做法是在匹配时把冒号排除在外，就像上文那个正则一样，或者在拿到结果后把 端口号 用“子文本替换”删掉。
• www前缀的去留：www.example.com 严格来说是 example.com 的子域名，如果你的程序只需要主域名做统计，把 www. 去掉再存储更合理；但如果你的程序是判断跳转目标是否合法，保留 www 不影响结果。
• IP地址代替域名：内网工具经常访问 168.1.1 这类地址，正则同样能匹配出来，但要记得单独判断它是IP，不能按域名去做解析和分类，判断IP可以用 ^d{1,3}(.d{1,3}){3}$ 这个正则。
• 网址不带协议头：拿到手的是 www.baidu.com/s?wd=1，正则的 https?:// 前缀就完全匹配不到，解决的办法是先用“子文本替换”补上 http:// 再走正则,或者干脆用上文封装的字符串处理函数。

这四类情况在易语言取域名的实际开发中非常常见，尤其是做批量采集的时候，网页源码里的链接五花八门，稍不注意就会把 javascript: 协议或相对路径当成域名，业内专家指出，相对路径（如 /news/1.html）在源码里没有域名信息，要用当前页面的域名去拼接，这也提醒我们：取域名之前，先判断链接是绝对地址还是相对地址。

下面这个表列出了常用处理方式的适用场景,方便你在写代码时快速选型：

易语言网页源码批量取域名：从采集到白名单过滤

单条网址取域名只是基础，真正的常用场景是拿到一整页源码，把里面所有链接的域名全部提取出来，用来做采集白名单、反爬过滤或者站点分类，这个需求在QQ群机器人、网页采集器、导航站程序里很常见。

把整页超链接里的域名全部抽出来

思路分两步：先用正则从源码里提取全部含协议的完整URL，再逐一调用“取域名”函数清洗，提取URL可以用 https?://[^s"'<>)]+ 这个正则，匹配所有以 http:// 或 https:// 开头、遇到空格、引号、尖括号等边界就停止的字符串，然后循环取出每个URL，扔进“取域名”函数里,就能得到一串带重复的域名列表。

这一步要处理乱码，网页源码可能是UTF-8，易语言默认文本处理是GBK，用“网页_访问”命令获取源码后最好先做编码转换，否则中文路径会导致正则匹配截断在错误的位置，虽然影响域名提取的概率很小,但一旦遇到就很容易排查半天。

去重与白名单，实战中最后两步

批量提取的结果一定带着大量重复域名，去重逻辑很简单：声明一个文本数组，每拿到一个新域名，就先“寻找文本”看数组里有没有，没有就加入，这样过滤一遍后，剩下的就是干净的域名列表,可以存入常量表或数据库。

白名单过滤的逻辑则反过来：访问某个网址前，先取它的域名，再去白名单数组里查找，匹配不到就拒绝访问，这套思路用在网页跳转控制上很实用，比如易语言写浏览器插件时，拦截广告域名的本质就是维护一份“黑名单域名”列表，相比直接拦截URL，取域名做匹配有个好处：同一站点下换路径、换参数都不会误杀。

易语言取域名常见问题

取域名时网址里带着端口号和路径，怎么避免误取？

先去掉协议头，再用正则匹配时把冒号排除在外，或者在拿到结果后使用“子文本替换”删除 端口号，路径的处理则统一用“寻找文本”定位第一个 ，取它左边的部分，多个步骤可以整合进一个子程序，传入完整URL,返回干净的域名。

正则取域名匹配不到内容是怎么回事？

最常见的原因是网址没有带 http:// 或 https:// 前缀，而正则里写死了这两个前缀，解决办法是判断网址开头，缺少协议时用“子文本替换”补全，另一种常见原因是易语言正则的反斜杠需要转义，. 和 / 要写成 \. 和 \/ 才能正确表达。

易语言取域名取出来还带着“www”，要不要去掉？

看你的用途，做跳转白名单或黑名单拦截时，保留 www. 不影响匹配；做站点归属统计时，把 www. 去掉再入库更合理，需要留意的是，有些站点的 www 子域名和裸域名解析到不同服务器，这是正常的,去不去掉取决于你的程序是识别主机名还是识别站点身份。